2024年，诺贝尔物理学和化学奖授予做人工智能相关研究的学者，引起科学界的热议和争论。这次诺奖的“出圈”不是物理学界和化学界的“悲哀”，而是寄托了广大科技工作者对人工智能推动人类社会跨越式发展的期望，唤醒人们对人工智能超预期发展和广泛渗透性的重视。复杂性挑战逼迫人工智能和所有的传统科学走到一起，我们应更加重视跨学科研究。这次颁奖可能会在科技发展史留下痕迹，我们的后代会记住这些为人类迈进智能时代做出重大贡献的伟大科学家。
图片来源：诺贝尔奖委员会官网
2024年诺贝尔物理学、化学奖都授予了做人工智能相关研究的学者，其中物理学奖授予约翰·霍普菲尔德（John Hopfield）和杰弗里·辛顿（Geoffrey Hinton）以表彰他们“使用人工神经网络进行机器学习的基础性发现和发明”。这引起科学界的热议和争论。为什么将诺贝尔物理学奖授予研究人工神经网络的学者？诺贝尔奖委员会解释，是因为人工神经网络是用物理学工具训练的。也就是说，目前红遍全世界的人工智能的原始基础是物理学的发现和知识，机器学习模型是基于物理原理实现的，一言以蔽之：物理学是人工智能的源头。
现在人工智能，特别是机器学习，已成为物理、化学、生物等基础研究的重要工具，“AI for Science”正在引起一场科研范式的大变革。这次诺贝尔奖的“出圈”不是物理学界和化学界的“悲哀”，可能在科学史上翻开新一页。人工智能确实是当今最活跃的领域，诺贝尔物理学奖、化学奖颁给人工智能学者，寄托了广大科技工作者对人工智能推动人类社会跨越式发展的期望。
突破茧房探索融合之路
杰弗里·辛顿（Geoffrey Hinton）
近百年来，学科越分越细。辛顿教授在得奖后的采访中说：“我觉得我是一个不知道自己在哪个研究领域的人，但想弄清楚大脑工作原理，然后在研究中协助发明了一项效果惊人的技术。”不经意的回答透露了获得重大科学突破的奥秘：不要在自己头上戴上哪个学科的“帽子”，要做不知道属于哪个领域的交叉科学研究。这次“诺奖风波”后，许多学者对长期以来禁锢我们思维的学科和专业茧房，可能会有全新的思考，会更加重视跨学科的研究。
图片来源：维基百科
复杂性挑战下科学观互补
人工智能和物理等基础科学能走到一起，还有另一方面的原因。科学语言和科学方法适合处理精确问题，具有局限性和相对性，但简单的物理学问题都已解决，现在留下的都是包含随机性和不确定性的复杂问题，而人工智能适合处理这种难以精确描述的问题，这样物理学就和人工智能走到一起了。以前只有一种“合法的”科学，即确定论的、还原论的科学观，现在可以有第2种科学观，即非确定的、进化的、基于数据和概率统计的科学观，这两种科学观不是相互对立，而是相互补充，应彼此尊重对方。复杂性不是对传统科学范式的“扩容”，不是更加复杂的还原论，而是对还原论假设系统的解构和挑战，挑战了还原论的“信仰”。从这个意义上讲，是复杂性挑战逼迫人工智能和所有的传统科学形成了“统一战线”。
人工智能的突飞猛进，预示人类已经处在进入智能时代的前夜。目前的技术离实现真正的通用人工智能还有一定距离，再经过10—20年的努力，大概率会出现基于重大科学突破的基础发明，为人类进入智能时代打下坚实的基础。诺贝尔物理学奖、化学奖颁给人工智能学者本身不是一件大事，但这次颁奖可能会在科技发展史留下痕迹，我们的后代会记住这些为人类迈进智能时代做出重大贡献的伟大科学家。
作者简介：李国杰，计算机专家，中国工程院院士、发展中国家科学院（TWAS）院士，中国科学院计算技术研究所首席科学家。研究方向为计算机体系结构、并行算法、人工智能、计算机网络、信息技术发展战略等。
本文为精简版，全文将在《科技导报》2024年第19期发表，标题为《诺贝尔物理学和化学奖为何偏爱人工智能》。